图像分割区域新.ppt

图像分割区域新
本讲稿第一页，共九十八页
*
运用y=px+q的直线方程时，如果直线接近垂直方向，则会由于p和q的值都接近无穷而使计算量大增(因为累加器的尺寸将会很大)，此时可使用直线的极坐标方程，如图所示
ρ=xcosθ+一组能正确代表所需区域的种子象素
（2）确定在生长过程中能将相邻象素包括进来的准则
（3）制定让生长过程停止的条件或规则
种子象素的选取常可借助具体问题的特点进行。
迭代－从大到小逐步收缩
典型
军用红外图像中检测目标时，目标辐射较大，可选图像中最亮的象素作为种子象素
如果具体问题没有先验知识，则常可借助生长所用准则对每个象素进行相应的计算，如果计算结果呈现聚类的情况，则接近聚类重心的象素可取为种子象素
本讲稿第十二页，共九十八页
*
生长准则的选取不仅依赖于具体问题本身，也和所用图像数据的种类有关
如当图像是彩色的时候，仅用单色的准则效果受到影响，另外还需考虑象素间的连通性和邻近性，否则有时会出现无意义的分割结果
一般生长过程，在进行到再没有满足生长准则需要的象素时停止，但常用的基于灰度、纹理、彩色的准则大都是基于图像中的局部性质。
为增加区域生长的能力，常考虑一些尺寸、形状等图像和目标的全局性质有关准则，在这种情况下，需对分割结果建立一定的模型或辅以一定的先验知识。
本讲稿第十三页，共九十八页
*
生长准则和过程
区域生长的一个关键是选择合适的生长或相似准则，大部分区域生长准则使用图像的局部性质。
生长准则可根据不同原则制定，而使用不同的生长准则，将会影响区域生长的过程。
主要介绍3种基本的生长准则和方法
基于区域灰度差
基于区域内灰度分布统计性质
基于区域形状
本讲稿第十四页，共九十八页
*
基于区域灰度差
区域生长方法将图像以象素为基本单位来进行操作
基于区域灰度差的方法主要有如下步骤：
本讲稿第十五页，共九十八页
*
（4）返回到步骤1，继续扫描直到不能发现没有归属的象素，则结束整个生长过程
步骤
采用上述方法得到的结果，对区域生长起点的选择有较大依赖性，为克服这个问题，可采用下面改进方法：
（1）对图像进行逐行扫描，找出尚没有归属的象素
（2）以该象素为中心检查它的邻域象素，即将邻域中的象素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并
（3）以新合并的象素为中心，返回到步骤2，检查新象素的邻域，直到区域不能进一步扩张
本讲稿第十六页，共九十八页
*
（1）设灰度差的阈值为0，用上述方法进行区域扩张，使灰度相同象素合并
这种方法简单，但由于仅考虑了从一个象素到另一个象素的特性是否相似，因此对于有噪声的或复杂的图像，使用这种方法会引起不希望的区域出现。另外，如果区域间边缘的灰度变化很平缓，如图a所示，或者对比度弱的两个相交区域，如图b所示，采用这种方法，区域1和区域2将会合并起来，从而产生错误
区域1
区域2
(a)
区域2
区域1
(b)
单连接区域增长技术
（3）设定终止准则，通过反复进行上述步骤2中的操作将区域依次合并，直到终止准则满足为止
（2）求出所有邻域区域之间的平均灰度差，并合并具有最小灰度差的邻接区域
对区域生长起点不做要求的处理方法：
本讲稿第十七页，共九十八页
*
为了克服这个问题，可不用新象素的灰度值去和邻域象素的灰度值比较，而用新象素所在区域的平均灰度值去和各邻域象素的灰度值进行比较
对于一个含N个象素的图像区域R，其均值为：
对象素的比较测试可表示为：
这表明，当考虑灰度均值时，不同部分象素间的灰度差应尽量大
混合连接区域增长技术
本讲稿第十八页，共九十八页
*
示例
设一幅图像，如图(a)所示，检测灰度为9和7，平均灰度均匀测度度量中阈值K取2 (<2)，分别进行区域增长
5
5
8
6
4
8
9
7
2
2
8
5
3
3
3
3
5
5
8
6
4
8
9
7
2
2
8
5
3
3
3
3
5
5
8
6
4
8
9
7
2
2
8
5
3
3
3
3
5
5
8
6
4
8
9
7
2
2
8
5
3
3
3
3
5
5
8
6
4
8
9
7
2
2
8
5
3
3
3
3
(a) 原图 (b) (c) (d） (e)
以9为起点开始区域增长，第一次区域增长得到3个灰度值为8的邻点，灰度级差值为1，此时这4个点的平均灰度为(8＋8+8+9)/4=，由于阈值取2，因